[发明专利]一种通信网络模拟数据生成方法

说明书

技术领域

本发明涉及通信网络、复杂网络、网络模拟等领域，尤其涉及一种通信网络模拟数据生成方法。

背景技术

通信网络是指人们之间的信息交流而形成的网络的统称，邮件通信网络、短信通信网络、电话通信网络等都是典型的通信网络。在现代社会中，通信网络已全面渗透到人们的日常生活中，通信网络中包含了人们日常作息时间、工作生活习惯、社交关系、工作性质等诸多十分有价值信息。

通信网络的规模大、时变性强的特点要求面向通信网络的研究需要以大量的真实数据做为研究基础。现实中的通信网络本身规模可能十分庞大，比如一个大型企业的邮件系统可能包含上万节点，大量的邮件通信记录；此外通信网络是典型的时变性网络，网络结构是随时间不断变化的。另一方面近期学术界面向大数据的技术研究及应用正如火如荼地开展，很多应用研究都是以大数据处理为基础的，因此在面向大规模通信网络的应用研究中需要有大量的实验数据作为支撑，进行系统设计调试、算法效率优化等工作。

虽然通信网络在日常生活中随处可见，但是缺乏可供研究用的大规模真实数据。由于用户个人隐私、管理权限、数据采集成本等诸多限制使得获取大量真实的通信网络数据对于绝大多数的研究者而言十分困难。如何获取大规模的实验数据成为开展后续研究的瓶颈，于是利用人工模拟的方法来生成实验数据就显得十分必要。

经典的网络生成模型如ER随机网络模型、WS小世界网络模型、BA无标度网络模型等主要从网络的拓扑结构层面来模拟真实网络的一些重要结构特征，如连通性、小世界性及节点度的幂率分布特性等，但这些模型仅某单一特征出发来对网络性质进行模拟。R-MAT与Kronecker Graph模型利用矩阵乘法迭代的方式来生成一个网络，可使生成的网络能够保留真实网络的数个特性。然而通过矩阵迭代的方式来生成模拟网络会造成网络中节点标签的丢失，使得生成网络与真实网络只能在网络宏观拓扑结构上保证是属于同一类型的网络，但是细节上不具备可比性，尤其是通信网络中无法判定网络中通信双方的身份，这会对后续工作造成极大的不利影响。

总体而言这类网络生成模型更多地是考虑网络的整体特征并没有充分考虑通信网络个体行为的特点，仅从宏观层面对网络数个特征进行模拟，不能很好地保留个体的特征，对于大部分研究而言其生成的模拟数据与真实数据相比信息丢失比较严重。

发明内容

本发明所要解决的技术问题是针对现有技术的不足，提供一种通信网络模拟数据生成方法。

本发明解决上述技术问题的技术方案如下：一种通信网络模拟数据生成方法，包括如下步骤：

步骤1：获取一个通信网络预定量的真实数据，并按预定规则划分为一系列网络快照G_m(m=1,2…M)，记为训练集G={G₁,G₂,…G_m,…G_M}；

步骤2：依据活跃度等级对训练集G进行训练，得到通信网络的各个分布参数，其中活跃度等级为通信网络中通信节点作为发信者在训练集的各快照中出现的频度；

步骤3：根据通信网络的分布参数随机生成一系列模拟快照G'_n，构成所需的通信网络模拟数据。

本发明的有益效果是：本发明通过引入活跃度这一隐含属性，提出一种线性的通信网络生成算法，利用已有的通信网络数据来快速生成大量模拟通信网络数据，同时能保证生成的模拟网络既能体现通信网络的宏观性质又可保留个体的通信行为特征。

在上述技术方案的基础上，本发明还可以做如下改进。

进一步，步骤2的具体实现为：

步骤2.1：统计训练集G中各网络快照包含的通信记录数量N_m（m=1,2…M）,记N=(N₁,N₂,…N_m,…N_M)；设G中共有X个发信者，Y个收信者，记为发信者集S={S₁,S₂,…,S_X}，收信者集R={R₁,R₂,…,R_Y}，发信者共划分为K个活跃度等级，标记各发信者S_x的活跃度等级